论文部分内容阅读
毫米波成像技术在人体安检领域有巨大的应用潜力,然而使用单一的毫米波成像手段存在以下问题,主要包括毫米波成像的分辨率较低,样本集数据较少导致隐匿物品的自动识别效果不佳,暴露被检查人员的隐私等。针对以上问题,本文研究用于安检隐匿物品自动检测的毫米波-光学图像融合技术,涉及毫米波图像的去噪分割、毫米波图像中隐匿物品的自动检测识别,以及毫米波—光学图像配准融合三个方面。
(1)采用基于小波域的噪声类型估计分析毫米波图像中的主要噪声类型,根据估计结果采取不同的去噪方法进行处理。针对毫米波边缘与纹理模糊的特点,通过期望最大值算法对图像进行分割,再对分割结果进行闭运算,将疑似隐匿物品区域提取出来。
(2)针对毫米波图像样本集缺乏且安检实时性高的要求,提出了基于IoG指标的数据扩充方法,然后通过k最近邻算法对毫米波图像中隐匿物品进行检测与识别,讨论了样本集规模和比例的设置、k值的选取。实验结果表明本文方法的检测效果优于改进的卷积神经网络算法。
(3)通过Canny边缘检测、大边缘提取、建立大边缘方向曲线相对链码得到毫米波图像与光学图像的配准参数;然后通过逆操纵金字塔变换将待融合图像分解为一系列子图像,基于一定的规则将相对应子图像进行融合,融合完毕后通过逆易操纵金字塔变换得到毫米波—光学融合图像;最后将子图像重新合成完整的毫米波—光学配准融合图像。融合结果兼具光学图像的精细背景与隐匿物品的人体定位,并且保护了被测人员的隐私。
综上所述,本文通过毫米波图像去噪与分割预处理,采用k最近邻算法识别毫米波图像中的隐匿物品,基于边缘特征对毫米波图像与光学图像进行配准,实现了基于易操纵金字塔变换的毫米波—光学图像融合。
(1)采用基于小波域的噪声类型估计分析毫米波图像中的主要噪声类型,根据估计结果采取不同的去噪方法进行处理。针对毫米波边缘与纹理模糊的特点,通过期望最大值算法对图像进行分割,再对分割结果进行闭运算,将疑似隐匿物品区域提取出来。
(2)针对毫米波图像样本集缺乏且安检实时性高的要求,提出了基于IoG指标的数据扩充方法,然后通过k最近邻算法对毫米波图像中隐匿物品进行检测与识别,讨论了样本集规模和比例的设置、k值的选取。实验结果表明本文方法的检测效果优于改进的卷积神经网络算法。
(3)通过Canny边缘检测、大边缘提取、建立大边缘方向曲线相对链码得到毫米波图像与光学图像的配准参数;然后通过逆操纵金字塔变换将待融合图像分解为一系列子图像,基于一定的规则将相对应子图像进行融合,融合完毕后通过逆易操纵金字塔变换得到毫米波—光学融合图像;最后将子图像重新合成完整的毫米波—光学配准融合图像。融合结果兼具光学图像的精细背景与隐匿物品的人体定位,并且保护了被测人员的隐私。
综上所述,本文通过毫米波图像去噪与分割预处理,采用k最近邻算法识别毫米波图像中的隐匿物品,基于边缘特征对毫米波图像与光学图像进行配准,实现了基于易操纵金字塔变换的毫米波—光学图像融合。